中国科技信息2023年第3期�CHINASCIENCEANDTECHNOLOGYINFORMATIONFeb.2023-100-◎三星推荐随着绿色能源的发展，太阳能的应用越来越广泛。因为太阳能本身的特点，储量大且清洁，其潜力巨大。光伏项目目前依然是应用太阳能最主要的一种方式，环境因素是影响光伏发电效率的主要因素之一。各种遮挡物，如树叶、鸟粪、阴影等，都会对太阳能电池产生不同程度的影响。这些遮挡的部分会直接影响太阳能电池的发电效率，还有可能造成个别电池的损坏，这些损坏的电池会成为负载大量发热，对光伏电池的光电转换效率以及安全性都造成了很大的影响。随着机器学习的发展，出现了很多深度学习框架，为了提高光伏电池的安全性以及经济效益，一些专家将目标检测算法应用到了遮挡检测的相关领域上并且取得了不错的效果。Feng等人提出了AFNet算法，通过增强边界损失获取更显著的目标整体特征图，得到了更精确的边界检测效果。He等人提出了一种新的卷积神经网络模型，该模型可以通过学习人脸图像固定的特征从而提高人脸识别的准确率，具有明显的效果。Cai等人介绍了一种新的级联设计程序，该检测器具有一系列复杂程度可量化的特征，能够使卷积神经网络与对象建议机制结合起来，这使得检测更为准确。通过一些学者的研究以及实验结果可以得出，一些明显的遮挡可以被多数算法检测出来，但是并不能保证检测的精度，在工程应用中都具有一定程度的局限性。为了提高对光伏组件树叶遮挡的检测精度，提出了一种改进的YOLO-PX算法，与YOLOv5算法相比，该算法对光伏组件树叶遮挡有更好的检出率，具有一定的实际应用价值。YOLO-PX模型介绍YOLO-PXYOLO-PX是一种基于yolov3的新型目标检测器，基于paddlepaddle深度学习框架。经过实验测试，在同等速度下，对目标遮挡物的检测精度超越了YOLOv5。选择该模型作为检测光伏组件遮挡和分类的模型，并对树叶遮挡进行网络训练。利用训练好的网络对异物遮挡进行检测和分类。由于工作场景与遮挡物的特点，模型采用DenseNet网络构成主干网络，DenseNet网络的特点是拥有以下两层结构：DenseBlock和Transition层。在同一个DenseBlock中，通道数会随着输入特征层的改变而改变。DenseBlock层把特征图像送入与自己相连的Transition层，Transition层将缩小输入的特征层的宽和高，通过特征的不断堆叠，得到了更为紧密的层与层之间的连接效果。为行业曲线开放度创新度生态度互交度持续度可替代度影响力可实现度行业关联度真实度一种基于深度学习的光伏生产...
